什么是平均精度(AP)

    平均精度 (AP)并不是精度 (P)的平均值。

平均精度 (AP) 是按类别计算的。

mAP（mean average precision）是一个平均值，常用作目标检测中的检测精度指标mAP 指标通过对于一个平均目标来检测任务中多个目标所对应不同 AP（average precision）值进行计算得到。AP 的值就是通过预测分析得出的实验结果中精确率（precision）和召回率（recall）来精确绘制一个 P-R 曲线的面积。

mAP是用来衡量目标检测算法精度的一个常用指标。目前各个经典算法都是使用mAP在开源数据集上进行精度对比。在计算mAP之前，还需要使用到两个基础概念：准确率（Precision）和召回率（Recall）

• 准确率：预测为正的样本中有多少是真正的正样本。

• 召回率：样本中的正例有多少被预测正确

• 正例：正样本，即该位置存在对应类别的物体。

• 负例：负样本，即该位置不存在对应类别的物体。

• TP（True Positives）：正样本预测为正样本的数量。

• FP（False Positives）：负样本预测为正样本的数量。

• FN（False Negative）：正样本预测为负样本的数量。

• TN（True Negative）：负样本预测为负样本的数量。

这里举个例子来说明准确率和召回率是如何进行计算的：假设我们的输入样本中有某个类别的10个目标，我们最终预测得到了8个目标。其中6个目标预测正确（TP），2个目标预测错误（FP），4个目标没有预测到（FN）。则准确率和召回率的计算结果如下所示：

• 准确率：6/（6+2） = 6/8 = 75%

• 召回率：6/（6+4） = 6/10 = 60%

halcon算子中的到的row，col和c#中得到的X,Y坐标对应关系是row→Y，col→X